999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

收購方為什么要在兼并交易中雇用投資銀行

2012-06-07 03:37:14同生輝
當代經濟科學 2012年1期
關鍵詞:模型

同生輝

(中央財經大學中國金融發展研究院,北京 100081)

一、引 言

近年來企業并購業務在投資銀行的營業收入中所占的比重越來越大,但并不是所有兼并交易中的收購方公司都會雇用投資銀行作為其兼并交易的財務顧問,那么分析在什么情況下收購方公司會雇用投資銀行就是一個很有意義的問題。本文的研究目的就是要確定當一個兼并交易具備哪些特征時,收購方公司可能會雇用投資銀行作為其兼并交易的財務顧問。

二、有關投行在兼并交易中作用的文獻總結和研究假說

Servaes和 Zenner(本文中簡稱S&Z)曾經對這一問題作過研究,但他們的研究樣本較小,并且樣本期跨度較窄[1],本文采用更大的數據樣本,并且對研究樣本做了進一步細分,因而本文所獲得的研究結果應該更加可靠。Hunter和 Walker發現參與兼并交易的公司的收益是和投資銀行獲取的服務費正相關的,也與投資銀行在兼并交易中的努力程度正相關[2]。但是,McLaughlin的研究表明,有些投資銀行合同的激勵特征可能會造成投資銀行和其客戶之間的利益沖突[3]。McLaughlin,Safieddine 和 Vasudevan也發現頂級的兼并財務顧問比普通的兼并財務顧問要收取更高的服務費用[4]。Rau發現投資銀行的市場份額和收取費用與交易完成率是成正比關系的[5]。根據以前的一些文獻[6-8],投資銀行在兼并交易中被雇用的原因可能有:(1)投資銀行可以幫助收購方公司制定較低的報價,并且可以促成交易更順利的完成;(2)投資銀行可以減少收購方公司和目標公司之間的信息不對稱性;(3)投資銀行可以幫助減少收購方公司或目標公司的管理層與其股東之間的代理成本。S&Z的研究則認為有三個主要原因導致收購方公司在兼并交易中雇用投資銀行,這三個主要的原因包括交易成本,信息的不對稱性,和合同成本。

相關研究認為交易成本(transaction costs)是投資銀行在兼并交易中被雇用的主要原因之一[1,6]。一般認為,有幾個因素和交易成本的大小相關。這些因素包括收購方公司和目標公司的行業分類,收購方公司以前參與兼并交易的次數,該兼并交易是否為惡意收購,以及交易價格。通常情況下,敵意收購的兼并交易、牽涉到報價競爭的兼并交易、用股票互換作為支付手段的兼并交易、交易價格很大的兼并交易,比起友好的兼并交易、僅有一個收購方公司報價的兼并交易、用現金償付的兼并交易、價格較低的兼并交易來說會產生更高的交易成本。這里提出本文的假說一:對于交易成本較低的兼并交易,投資銀行作為財務顧問被雇用的可能性較小。

信息的不對稱性(information asymmetry)在收購方公司和目標公司之間是顯然存在的。投資銀行所掌握的有關交易雙方的信息在雙方信息不對稱性很嚴重的情況下很有必要。例如,收購方公司和目標公司可能不在同一行業、有些兼并交易牽涉到兩個來自不同國家或者不同地域的公司,顯然這時信息的不對稱性完全可能存在。根據相關文獻[1,6],本文選取了五個變量來衡量信息的不對稱性:(1)收購方公司和目標公司所在行業的相關性;(2)交易的類型(是對目標公司的整體收購、部分資產的收購、還是部分股權的收購);(3)目標公司經營業務涉及的行業數;(4)收購方公司是否為第一家向目標公司發出要約的公司;(5)是否兼并雙方在金融行業運營。這里提出本文的假說二:當有信息不對稱存在時,收購方公司雇用投資銀行擔任其兼并交易財務顧問的可能性較大。

合同成本(contracting costs)在不同的情況下有不同的含義。Jensen和Meckling將合同成本定義為監控成本(monitoring cost),約束成本(bonding costs)和殘余損失(residual loss)[9]。相比較而言,合同成本的經濟含義意味著有逆向選擇,道德風險,或者不完善的風險分擔和不完善的履約承諾。本文結合以前的文獻研究結果,采用交易價格,交易類型,以及是否收購方公司在金融行業經營,和是否目標公司在金融行業經營這四個變量來衡量合同成本。顯然,如果雇用投行可以降低合同成本,那么參與兼并交易的雙方更可能會雇用投行。這里提出本文的假說三:參與兼并交易的收購方公司在牽涉到較高合同成本的交易中更可能雇用投資銀行作為其財務顧問。

三、樣本數據和描述性分析

(一)數據收集

由于本文的研究樣本較為獨特,沒有現成的數據庫提供研究樣本,所以采用手工方法收集研究樣本。沒有雇用投資銀行的兼并交易樣本來源于美國期刊《合并與兼并》(Mergers&Acquisitions),SDC兼并與合并數據庫(SDC Merger&Acquisition Database),和Lexis-Nexis數據信息服務軟件。從這三個來源中共獲得了225個收購方公司沒有雇用投資銀行作為其兼并交易財務顧問的交易,這個樣本在本文中稱為自身完成的兼并交易樣本。自身完成的兼并交易樣本可以分為兩組子樣本。第一組子樣本包括64個兼并交易,這一組中的每個交易的收購方公司和目標公司都沒有雇用投資銀行作為財務顧問,簡稱“BT-自身完成樣本”。第二組子樣本包括161兼并交易,其中每個交易中僅有收購方公司沒有雇用投行,簡稱“OB-自身完成樣本”。

為了做比較和分析之用,本文也收集了另一個交易雙方都雇用了投行作為財務顧問的兼并交易樣本。在本文中這個樣本稱為控制樣本,也稱為投行協助的交易樣本,其中也包括225個兼并交易。控制樣本中兼并交易的年份分布和主樣本中兼并交易的年份分布一一對應。控制樣本是從Mergerstat Review數據庫中選出來的。本文選取的研究變量都是在以前的研究中被證明是和兼并交易有關的重要變量。這些研究變量包括“是否收購方公司是首個向目標公司發出要約的公司”,“是否該兼并交易為敵意的”,“付款方法”,“收購方公司規?!?,“目標公司規?!薄敖灰變r格,”,“目標公司對收購方公司的相對規模比率”,“目標公司的行業數”,“收購方公司在前五年以內的兼并交易次數”,“目標公司在前五年以內的兼并交易次數”,“收購方公司是否為金融類企業”和“目標公司是否為金融類企業”。本文中所有兼并交易變量的數據都來自于SDC數據庫。

(二)描述性數據比較分析

為了考察不雇用投行的兼并交易和雇用投行的兼并交易之間的不同,這里要比較兩類交易的相關特征(變量),一共有14個交易特征,這些交易特征都列在表1中。在這些特征中,前7個是用具有該特征的交易的數量占全部交易的數量的百分比來衡量,而后7個特征則是用其絕對值來衡量?!凹娌⒔灰最愋汀笔侵甘欠裨摷娌⒔灰资恰罢w收購”(指獲得目標公司超過50% 的股權或收購其全部資產)?!笆召彶糠仲Y產”是指收購目標公司某些資產?!捌渌惤灰住?收購目標公司不足50% 的股權)?!笆召彿焦臼鞘讏髢r公司”是指是否收購方公司是第一家向目標公司發出要約的公司?!皵骋馐召彙笔侵甘欠裨摷娌⒔灰资菙骋馐召彙!爸Ц斗绞健敝父犊罘绞綖椤艾F金收購”或“股票收購”,或“現金加股票”及“其他方式”。“行業關聯性”是指是否收購方公司和目標公司在前4個行業分類代碼中有一個是三位數匹配的。“收購方公司中金融類公司所占百分比”是指在所有的收購方公司中,SIC代碼指代為金融企業的公司所占百分比,“目標公司中金融類公司所占百分比”有同樣的定義?!笆召彿焦厩凹娌⒋螖怠笔侵冈摴驹谶^去五年中所完成的兼并交易次數;“目標公司前兼并次數”是指該公司在過去五年中所完成的兼并交易次數。“交易價格”指該兼并交易的價格?!笆召彿焦疽幠!笔侵甘召彿焦驹诩娌⒔灰浊耙荒昴昴┑目傎Y產,“目標公司規?!庇型瑯拥亩x。相對規模是指目標公司規模和收購方公司規模的比值?!澳繕斯镜慕洜I行業數”是指在其中目標公司業務經營所在的行業數。由于前7個變量的分類為至少兩類,因此這里用χ2-檢驗來比較自身完成交易樣本和控制樣本,比較的結果列示在表1的A部分。至于其他七個變量,本文用t-檢驗來比較均值,比較的結果列示在表1中的B部分。因為本文把自身完成交易樣本分解成兩類(亦即BT-自身完成交易樣本和OB-自身完成交易樣本),所以相應的比較要進行四組。描述性數據和比較的結果都在表1和表2里列示。有關BT-自身完成交易樣本和控制樣本的比較結果在表1中列示。同理,比較OB-自身完成交易樣本和控制樣本的結果在表2中列示。

1.BT-自身完成交易樣本和控制樣本的比較

表1列示BT-自身完成樣本和控制樣本的比較結果。表中A部分的比較結果顯示自身完成交易和投行協助完成交易之間在幾個特征變量上的不同。兼并交易的類別在這兩類交易之間有顯著不同,相應的 χ2值為22.66。χ2檢驗結果也顯示如果收購方公司不是第一個向目標公司發出要約的公司則投資銀行更可能被雇用。BT-自身完成交易樣本中的交易更可能用現金償付。控制樣本中的敵意收購兼并交易要少于在自身完成交易樣本中的敵意收購,其相應的χ2檢驗值為3.15。很顯然,表中A部分的大部分變量比較結果支持假說一。

表中B部分列示了另外7個變量利用t-檢驗得到的比較結果。自身完成交易樣本中收購方公司以前兼并交易次數比控制樣本中收購方公司以前的兼并交易次數要高,因為相應的t-檢驗結果為3.26。此外,比較結果顯示自身完成交易樣本中的目標公司規模要大于控制樣本中的公司規模。比較結果表明投行更可能在下面這些情況下被雇用:如果這些交易是整體收購,如果收購方公司并不是第一個報價者,如果交易不是用現金償付的,或者如果收購方公司有較少的兼并交易經歷。比較的結果也表明投資銀行在不是敵意的交易中更可能被雇用,或者在目標公司較小的交易中被雇用。

總之,當比較BT-自身完成交易樣本和控制樣本時,所得結果部分地支持假說一,但只是很弱地支持假說二和假說三。

2.OB-自身完成交易樣本和控制樣本的比較

OB-自身完成交易樣本和控制樣本的比較結果顯示在表2中。從表2中可以看出其A部分的比較結果顯示在六個特征變量上有顯著不同。投資銀行協助完成的兼并交易更有可能是整體收購,而相應的χ2檢驗值為6.81。投資銀行協助完成的交易更不可能是收購方公司為第一個向目標公司發出要約的交易(85.35%相對于自身完成交易樣本中的93%),更不可能是敵意收購(12.1% 相對于自身完成交易樣本的17%),并且更不可能是現金支付交易(38.51% 相對于自身完成交易樣本50.31%)。此外,如果兼并公司在金融行業運營(χ2值為12.38),或者如果兼并公司和目標公司在行業上相關性不強(χ2檢驗值為14.5),那么這個收購方公司更不可能雇用投資銀行。

表2的B部分顯示了t檢驗的結果。比較結果顯示兼并公司和目標公司在自身完成交易樣本中有更多的兼并交易次數。自身完成交易樣本中收購方公司的規模顯著大于控制樣本中的相應公司規模。另外,目標公司對兼并公司的相對規模在自身完成交易樣本中顯著小于控制樣本 (t=-4.83)。總之,OB-自身完成交易樣本和控制樣本的比較結果部分的支持假說一和三,但是僅僅很弱的支持假說二。比較的結果表明投資銀行更可能在這些情況下被雇用:當交易是整體的公司收購時,當收購方公司不是第一個向目標公司報價者時,當付款方法不是現金時,當收購方公司和目標公司有很少的兼并經歷時,當相對規模很大時,或當收購方公司不在金融行業經營時。

表1和表2中的單變量比較結果表明兩類交易的確在幾個特征變量上有顯著不同。具體來說,“支付方式”和“收購方公司是否為首報價公司”,都有穩定的比較結果,并且支持假說一。相比較而言,“交易的類別”有穩定的比較結果,但該結果并不支持假說二和假說三。有關其它作比較的變量,盡管當使用不同的研究子樣本時結果并不一致,但這些結果仍然分別給三個假說一些支持。總之,當分別使用不同組的子樣本時,假說一比假說二和假說三得到了更多的支持。

表1 BT-自身完成交易樣本和控制樣本的比較結果

表2 OB-自身完成交易樣本和控制樣本的比較結果

四、logistic模型回歸分析

(一)是否在兼并交易中雇用投資銀行

為了考察交易成本,信息不對稱,和合同成本的每一個代理變量與是否在兼并交易中雇用投行這一決定的關系,這里使用logistic回歸分析模型來確定哪些因素是決定是否雇用投資銀行的特征變量。這里用下面的logistic回歸模型分別來檢驗假說一、假說二、假說三:

Prob(收購方公司在兼并交易中使用投資銀行)=f(交易成本,信息不對稱,合同成本)

由于本文的自身完成交易樣本已經被分成了兩類,而且每一類都有一個匹配的投資銀行樣本,所以共有兩個合并的數據樣本在Logistic回歸分析中被用來檢驗這三個假說。為方便起見,這兩個數據樣本分別稱為BT-1和OB-1。BT-1樣本是BT-自身完成交易樣本和它所對應的控制樣本的合并樣本。OB-1樣本是OB-自身完成交易樣本和它所對應的控制樣本的合并樣本。這里估計了兩個logistic回歸分析模型:

Prob(收購方公司和目標公司都雇用投資銀行)=f(交易成本,信息不對稱,合同成本)

(BT-1樣本數據在此模型中使用。)

Prob(僅有收購方公司雇用投資銀行)=f(交易成本,信息不對稱,合同成本)

(OB-1樣本數據在此模型中使用。)

本文用這兩個樣本數據和logistic回歸分析模型分別來檢驗本文的三個假說。當把所有的變量包括進模型時,則用來估計全變量模型,即包括所有變量的模型。此外,在對每一個模型進行回歸分析前,本文已經確定該模型中沒有多元共線性問題。

第一個模型包含用來檢驗交易成本假說的變量。這些用來衡量交易成本的變量包括“現金支付”,“股票支付”,“是否敵意收購”,“收購方公司為首報價者”,“收購方公司前兼并交易次數”,“目標公司前兼并交易次數”,和“交易價格”。此外,這里還增加兩個控制變量來指明是否收購方公司或目標公司在金融行業運營。模型二用來檢驗信息不對稱假說。這里用七個變量來衡量信息不對稱假說,包括:“收購方公司為首報價者”,“SIC三位的關聯性”,“目標公司行業數”,“整體收購”和“收購某些資產”,此外還有兩個指明是否收購方公司或目標公司在金融行業經營的虛擬變量。模型三檢驗合同成本假說,該模型用五個變量來衡量合同成本。這五個變量包括“交易價格”,“整體收購”,“收購某些資產”,以及兩個指明是否收購方公司和目標公司為金融類企業的指代變量。

模型四是包括了所有變量的logistic回歸模型。此外,目標公司對收購方公司的相對規模也包括在全變量模型中[1]。如果目標公司相對于收購方公司規模較大,那么目標公司自身可能實力較強,所以收購方公司需要雇用投行的可能性較大。相反的,如果目標公司相對于收購方公司很小,那么對收購方公司而言,很可能認為不再需要雇用投行來協助完成交易。

(二)基于BT-1樣本數據的Logistic回歸分析結果

利用BT-1樣本所獲得的logistic回歸分析結果展示在表3中。BT-1樣本包括128個兼并交易。表中“Ln(交易規模)”是指交易規模的對數?!癓n(收購方公司前交易兼并次數)”是指收購方公司以前完成的兼并交易的次數的對數?!罢w收購”在整體收購時等于1,在非整體收購的兼并交易中等于0?!笆召從承┵Y產或業務”在收購某些資產或業務時等于1,否則為0。“行業關聯性”在收購方公司和目標公司關聯時等于1,否則為0。“收購方公司是否為金融類企業”在收購方公司在金融類行業經營時等于1,否則為0。“目標公司是否為金融類企業”在目標公司在金融類行業經營時等于1,否則為0。在模型一的估計結果中,變量“現金支付”,“股票支付”,和“交易價格”都有顯著的估計系數(其 p- 值分別為 0.000,0.017 和 0.001),但只有“現金償付”的正負號和假說預測的一致。這個結果表明投資銀行更可能在現金或股票作為支付方式的情況下被雇用。在模型二的估計結果中,“收購方公司為首報價者”和“SIC三位的關聯性”的估計系數都是顯著的。如果收購方公司是第一個報價者,投資銀行則更有可能被雇用(p-值為0.051),這和假說二相一致。收購方公司和目標公司的相關性越強,投資銀行就更有可能被雇用?!靶袠I相關性”的估計系數為0.821(p值為0.076),該系數是顯著的,這和假說二不一致。另外,其他五個有關信息不對稱假說的變量的系數均不顯著。所以,假說二在這里只得到很少的支持。在模型三的估計結果中,變量“交易價格”有一個顯著為負的系數-0.887(p值為0.001),表明投資銀行參與大的兼并交易的可能性更小。同時,其他所有衡量合同成本的變量都沒有顯著的估計系數。因此,模型三的估計結果不支持假說三。在模型四的估計結果中,有關現金支付和股票支付的結果和模型一中的結果相一致。然而,變量“是否為敵意收購”的估計系數 -4.658(p-值為0.049)和假說一不一致。另一方面,變量“目標公司的行業數”有正的顯著系數1.144(p-值為0.072),這和假說二相一致。這也就表明目標公司的經營行業越多,那么投資銀行就更有可能被收購方公司雇用??傊贐T-1樣本的logistic回歸分析的結果只給了假說一和假說二很弱的支持,并且不支持假說三。

表3 Logistic回歸分析結果(用BT-1樣本)

(三)基于OB-1樣本數據的Logistic回歸分析結果

利用OB-1樣本數據對logistic回歸分析模型的估計結果顯示在表4中。OB-1樣本包括322個兼并交易。表4中各變量的定義和表3中各變量的定義完全相同。在模型一中,有關交易成本的九個變量中有七個都有顯著的估計系數,但七個中僅有三個和假說一預測的正負號一致。變量“現金支付”、“收購方公司為首報價者”、“收購方公司為金融類企業”、“交易價格”的估計系數都和假說一不一致。相比較之下,“是否敵意收購”的估計系數是1.259,變量“收購方公司前兼并交易次數”系數為-0.76,以及變量“目標公司為金融類企業”的系數為-1.093(p-值為0.034),這里三個估計系數都支持假說一。

在檢驗信息不對稱性的模型二中,僅有變量“收購方公司為金融類企業”,和“目標公司為金融類企業”有顯著系數?!笆召彿焦緸榻鹑陬惼髽I”的系數是0.921(p-值為0.012),這和假說二不一致。相比之下,“目標公司是否為金融類企業”的系數是-0.723(p-值為0.064),這和假說二相一致。其他四個變量的估計系數都不顯著,所以并不支持假說二。顯然假說二只得到很弱的支持。

在模型三的估計結果中,4個變量中都有著顯著的估計系數。但“交易價格”的顯著估計系數和變量“收購方公司為金融類企業”的顯著估計系數的正、負號和假說預測相反,所得結果并不支持假說三。變量“整體收購”的估計系數是-0.534(p-值為0.069),這和假說三也不一致。對比之下,“目標公司為金融類企業”的系數為-0.931(p-值為0.013),這和假說三是相一致的。模型三的估計結果表明,如果該交易不是一個整體收購,如果目標公司不在金融行業運營,那么投資銀行更有可能會被雇用。

全變量模型的估計結果和在模型一到模型三中的估計結果基本是一致的。然而,變量“相對規?!庇幸粋€顯著的估計系數1.072(p-值為0.035),這給于了假說二支持。同時,變量“目標公司是否為金融類企業”在全變量模型中有一個正的系數,這和假說一、假說二、假說三不一致。總之,利用樣本OB-1獲得的估計結果部分地支持假說一,但只是很弱地支持假說二和假說三。

表4 Logistic回歸分析結果(用OB-1樣本)

(四)Logistic模型回歸的結果分析

本文中有些logistic回歸分析的結果和三個假說不一致。這些不一致的結果表明投資銀行在下面的情況下更有可能被雇用:如果兼并交易的支付方式為現金,如果收購方公司在金融行業經營,如果收購方公司是第一家向目標公司提出報價的公司。這里簡單分析一下為什么會有這些不同。

1.為什么投資銀行在使用現金支付方式時更有可能在兼并交易中被雇用?一個可能的原因是如果投資銀行在兼并交易中被雇用,投資銀行很可能在談判中幫助收購方公司采用現金作為償付的方式。實證研究表明大部分的目標公司會更喜歡現金支付的方式[10-11]。

2.為什么如果收購方公司在金融行業經營,投資銀行反而更有可能被收購方公司雇用呢?這里嘗試用三個原因來解釋。第一,在金融行業經營的公司可能并不具有投資銀行在完成兼并交易方面的專長。第二,如果收購方公司是金融類企業,為了向市場表明自己在兼并交易中的公平性則必須雇用投資銀行。有研究發現,投資銀行經常在兼并交易中為自己的客戶起到證實交易價值的作用[6]。第三,傳統的投資銀行文獻指出投資銀行業有寡頭壟斷的特征[6]。所以無論收購方公司是不是金融類企業,仍然要雇用少數幾大投資銀行來作為兼并交易的顧問。

3.回歸分析結果表明,如果收購方公司是第一個向目標公司報價的公司,投資銀行就更有可能被雇用??梢栽O想如果收購方公司是第一個報價者,無論是友好還是敵意的,這個收購方公司往往對目標公司都有強烈的興趣。為了應對來自其他競爭對手的激烈爭奪,收購方公司可能不得不雇用投資銀行來幫助完成交易。

很明顯,當分別使用BT-1樣本和OB-1樣本時的logistic回歸分析結果是不同的。總之,假說一和假說二比假說三得到更多支持。然而,假說三也不能完全被拋棄,因為少數回歸分析的結果仍然支持假說三。

五、結 論

本文研究了為什么收購方公司會在兼并交易中雇用投資銀行這一問題。本文發現交易成本是收購方公司決定是否雇用投資銀行的重要原因,但是信息不對稱性和合同成本也和是否雇用投資銀行的選擇有關。本文的logistic回歸模型的分析說明,在下列情況下,收購方公司更有可能雇用投資銀行作為其兼并交易的財務顧問:兼并交易較復雜,收購方公司的兼并交易經驗不足,收購方公司僅收購目標公司部分資產或股權,兼并交易價格較高,兼并交易為敵意收購,收購方公司在金融行業運營,目標公司在很多行業經營。

[1]Servaes H,Zenner M.The role of investment banks in acquisitions[J].Review of Financial Studies,1996,9:787-815.

[2]Hunter W,Walker M.An empirical examination of investment banking merger fee contracts[J].Southern Economic Journal,1990,56:1117-1130.

[3]McLaughlin R,Does the form of compensation matter?[J].Journal of Financial Economics,1992,32:223-260.

[4]McLaughlin R,Safieddine A,Vasudevan K.Investment banker reputation and the performance of seasond equity issuers[J].Financial Management,2000,29:96-110.

[5]Rau P.Investment bank market share,contingent fee payments,and the performance of acquiring firms[J].Journal of Financial Economics,2000:56:293-324.

[6]Kosnik R,Shapiro D.Agency conflicts between investment banks and corporate clients in merger and acquisition transactions:causes and remedies[J].Academy of Management Executive,1997,11:7-22.

[7]McLaughlin R.Adverse contract incentives and investment banker reputation:target firm tender offer fees[J].Journal of Financial Research,1996,19:135-156.

[8]Bowers H,Miller E.Choice of investment banker and shareholders'wealth of firms involved in acquisitions[J].Financial Management,1990,19:34-44.

[9]Jensen M,Meckling W.Theory of the firm:managerial behavior,agency costs,and capital structure[J].Journal of Financial Economics,1976,3:305-60.

[10]Travlos N.Corporate takeover bids,methods of payment,and bidding firm's stock returns[J].Journal of Finance,1987,42:943-963.

[11]Fishman M.Preemptive bidding and the role of the medium of exchange in acquisitions[J].Journal of Finance,1989,44:41-58.

猜你喜歡
模型
一半模型
一種去中心化的域名服務本地化模型
適用于BDS-3 PPP的隨機模型
提煉模型 突破難點
函數模型及應用
p150Glued在帕金森病模型中的表達及分布
函數模型及應用
重要模型『一線三等角』
重尾非線性自回歸模型自加權M-估計的漸近分布
3D打印中的模型分割與打包
主站蜘蛛池模板: 亚洲不卡av中文在线| 国产玖玖视频| 国产福利在线观看精品| 亚洲av无码人妻| 日韩a级毛片| 91最新精品视频发布页| 欧美在线视频a| 999精品视频在线| a级毛片免费看| 中国成人在线视频| 久久综合色88| 亚洲综合18p| 青青青视频免费一区二区| 欧美97色| 国产自无码视频在线观看| 亚洲AⅤ无码日韩AV无码网站| 精品视频福利| 在线观看av永久| 99在线观看精品视频| 成人午夜精品一级毛片| 18禁高潮出水呻吟娇喘蜜芽| 欧美日韩精品综合在线一区| 美女无遮挡免费视频网站| 91色国产在线| 午夜爽爽视频| 性欧美久久| 久久99国产乱子伦精品免| 无码网站免费观看| 欧美成人午夜在线全部免费| 日韩午夜福利在线观看| 高清无码手机在线观看| 国产精品伦视频观看免费| 88av在线看| 一本视频精品中文字幕| 国产成人1024精品| 精品91自产拍在线| 丁香亚洲综合五月天婷婷| 久久网欧美| 97在线国产视频| 人妻21p大胆| 欧美日韩一区二区三| 国产91久久久久久| 国产视频自拍一区| 天堂av高清一区二区三区| 爱爱影院18禁免费| 日本影院一区| 精品福利一区二区免费视频| 欧美www在线观看| 国产小视频网站| 亚洲欧美日韩中文字幕在线| 性欧美久久| 亚洲伊人久久精品影院| 日本尹人综合香蕉在线观看| 国产免费黄| 激情五月婷婷综合网| 久久美女精品| 欧美亚洲激情| 欧美日本在线| 一本色道久久88综合日韩精品| 九九久久精品国产av片囯产区| 免费毛片全部不收费的| 欧洲亚洲一区| 国产一区二区三区免费观看| 亚洲日韩精品无码专区| 国产精品中文免费福利| 小说区 亚洲 自拍 另类| www中文字幕在线观看| 亚洲精品国产自在现线最新| 日本草草视频在线观看| 国产黄色爱视频| 日韩精品久久无码中文字幕色欲| 中文字幕va| yy6080理论大片一级久久| 最新日本中文字幕| 久久综合丝袜日本网| 国产欧美日韩另类| 四虎在线观看视频高清无码 | 国产欧美另类| 欧美精品伊人久久| 日韩毛片基地| 免费xxxxx在线观看网站| 国产白浆一区二区三区视频在线|